[發明專利]一種基于高斯混合概率假設密度濾波器的多目標航跡提取方法

有效

• 申請號: 202010636230.2
• 申請日: 2020-07-03
• 公開（公告）號: CN111811515B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 趙云波;朱創;唐敏;周慶瑞
• 申請（專利權）人: 浙江工業大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

一種基于高斯混合概率假設密度濾波器的多目標航跡提取方法，包括：步驟1、高斯分量初始化；步驟2、高斯分量預測；步驟3、高斯分量更新；步驟4、剪枝與合并；步驟5、狀態估計；步驟6、航跡生成；本發明賦予每個高斯分量專有標簽值，并給出了各目標隨時間變化的狀態之間的關聯關系，最終提取出各目標航跡。同時，針對濾波器在雜波濃度過高下性能下降的問題，本發明通過修改高斯分量更新權值，提取出與目標唯一對應的觀測值，以保證航跡的連續性。

技術領域

本發明涉及多目標跟蹤領域，具體涉及雜波環境下，對多個目標跟蹤后航跡的提取方法。

背景技術

多目標跟蹤技術旨在分析從傳感器獲取的量測信息中估計目標的數量及軌跡等信息，量測信息包含真實目標量測和由于雜波、噪聲引起的虛警量測。與單目標跟蹤不同，由于無法預先獲知目標個數，傳統的基于數據關聯的多目標跟蹤方法在跟蹤多目標時適應性不強。Mahler等人基于嚴格的隨機有限集數學理論，提出概率假設密度(ProbabilityHypothesis Density，PHD)濾波方法，通過遞推多目標PHD，估計目標個數和位置，避免了數據關聯問題。但PHD方法中存在高維積分，難以得到解析解。高斯混合概率假設密度濾波(Gaussian Mixture Probability Hypothesis Density，GM-PHD)是一種對PHD濾波具體實現的有效方法，多目標PHD由一組高斯序列和，即所謂混合高斯近似表示。GM-PHD濾波器通過預測、更新步驟遞推高斯混合函數中每一高斯分量的權值、均值和協方差，間接遞推多目標的后驗PHD。

Mahler等人提出了能用于線性系統和非線性系統的高斯混合濾波器，較好地解決了目標新生、目標消失、目標衍生、測量中包含雜波干擾等情況下的多目標跟蹤問題。但高斯混合濾波器輸出的只是孤立的目標狀態，不能提供目標狀態的身份，無法知道濾波器在不同時刻輸出的目標狀態哪些是同一目標的，這樣無法確定目標的運動軌跡。而在實際應用中，各目標軌跡是研究的重要內容，如在海面跟蹤艦船目標時，研究人員需要提取艦船航跡以作進一步的態勢分析。

其次，當場景中雜波數目較多或者存在緊鄰目標時，雜波與目標量測以及源于不同目標的量測通常難以正確地被區分，因此，目標與量測間的一一對應關系將難以維持。由于含雜波干擾的多目標跟蹤環境中目標量測的來源具有較大的不確定性，且GM-PHD濾波器濾波迭代中并沒有驗證目標與量測對應關系的輔助機制，因此，利用該濾波器跟蹤雜波環境下的緊鄰多目標時，其濾波性能相對較差且其濾波精度通常難以滿足多目標跟蹤的需求。

發明內容

本發明要克服現有技術的上述缺點，提供一種基于高斯混合概率假設密度濾波器的多目標航跡提取方法。

本發明解決上述問題所采用的技術方案是：

本發明提出了一種改進的多目標跟蹤算法，該算法賦予每個高斯分量專有標簽值，并給出了各目標隨時間變化的狀態之間的關聯關系，最終提取出各目標航跡。同時，針對濾波器在雜波濃度過高下性能下降的問題，本發明通過修改高斯分量更新權值，提取出與目標唯一對應的觀測值，以保證航跡的連續性。

該方法包括以下步驟：

步驟1、高斯分量初始化；

k＝0時刻，多目標的強度函數和標簽集合分別表示為

其中，J_n表示第n個時刻的高斯項個數，ω⁽ⁱ⁾表示該時刻第i個高斯項的權值，tⁱ表示該時刻第i個高斯項對應的標簽值。

步驟2、高斯分量預測；

對k時刻的多目標信息進行預測，得到k時刻多目標的先驗強度和標簽集合為：